Saltar al contenido principal

​
Activación por voz y pulsar para hablar

​
Requisitos

La activación por voz y pulsar para hablar requieren macOS 26 o posterior. En versiones anteriores de macOS, los controles se ocultan de la página de ajustes de voz, que en su lugar muestra el requisito de macOS 26.

​
Modos

  • Modo de palabra de activación (predeterminado): un reconocedor de voz siempre activo espera tokens de activación (swabbleTriggerWords). Cuando hay coincidencia, inicia la captura, muestra la superposición con texto parcial y envía automáticamente tras el silencio.
  • Pulsar para hablar (mantener Option derecha): mantén pulsada la tecla Option derecha para capturar de inmediato, sin necesidad de activación. La superposición aparece mientras se mantiene pulsada; al soltarla, finaliza y reenvía tras una breve demora para que puedas editar el texto.

​
Comportamiento en tiempo de ejecución (palabra de activación)

  • El reconocedor vive en VoiceWakeRuntime.
  • La activación se dispara solo cuando hay una pausa significativa entre la palabra de activación y la siguiente palabra (triggerPauseWindow = 0,55 s). La superposición/el timbre pueden iniciarse durante la pausa incluso antes de que comience el comando.
  • Ventanas de silencio: 2,0 s (silenceWindow) cuando el habla está fluyendo, 5,0 s (triggerOnlySilenceWindow) si solo se oyó la activación.
  • Detención forzada: 120 s (captureHardStop) para evitar sesiones descontroladas.
  • Antirrebote entre sesiones: 350 ms (debounceAfterSend) después de un envío.
  • La superposición se controla mediante VoiceWakeOverlayController, con coloración de texto confirmado/volátil.
  • Después del envío, el reconocedor se reinicia limpiamente para escuchar la siguiente activación.

​
Invariantes del ciclo de vida

  • Si la activación por voz está habilitada y los permisos están concedidos, el reconocedor de palabra de activación permanece escuchando, salvo durante una captura activa de pulsar para hablar.
  • La retirada de la superposición, incluida la retirada manual mediante el botón X, siempre reanuda el reconocedor: VoiceSessionCoordinator.overlayDidDismiss llama a VoiceWakeRuntime.refresh(state:) en cada ruta de retirada. Consulta Superposición de voz para ver el modelo de sesión/token.

​
Detalles de pulsar para hablar

  • La detección de atajos usa un monitor global .flagsChanged para Option derecha (keyCode 61 + .option). Solo observa eventos; nunca los intercepta.
  • La captura vive en VoicePushToTalk: inicia el reconocimiento de voz de inmediato, transmite parciales a la superposición y llama a VoiceWakeForwarder al soltar.
  • Iniciar pulsar para hablar pausa el runtime de palabra de activación para evitar tomas de audio simultáneas; se reinicia automáticamente después de soltar.
  • Permisos: requiere Micrófono + Voz; recibir eventos de teclado necesita aprobación de Accesibilidad/Monitorización de entrada.
  • Teclados externos: algunos no exponen Option derecha como se espera. Ofrece un atajo alternativo si los usuarios informan fallos.

​
Ajustes visibles para el usuario

  • Interruptor Activación por voz: habilita el runtime de palabra de activación.
  • Mantener Option derecha para hablar: habilita el monitor de pulsar para hablar.
  • Selectores de idioma y micrófono, un medidor de nivel en vivo, una tabla de palabras de activación y un probador (solo local, nunca reenvía).
  • El selector de micrófono conserva la última selección si un dispositivo se desconecta, muestra una indicación de desconexión y vuelve temporalmente al valor predeterminado del sistema hasta que regrese.
  • Sonidos: timbres al detectar la activación y al enviar, con el sonido del sistema macOS “Glass” como predeterminado. Elige cualquier archivo cargable por NSSound (p. ej., MP3/WAV/AIFF) por evento, o elige Sin sonido.

​
Comportamiento de reenvío

  • Al reenviar, VoiceWakeForwarder.selectedSessionOptions elige la clave de sesión activa de WebChat si hay una configurada; de lo contrario, la clave de sesión principal del Gateway.
  • Busca esa sesión mediante sessions.list y deriva el canal de entrega y el destino del contexto de entrega de la sesión (recurriendo a su último canal/destino y luego a una clave de sesión analizada), con WebChat como valor predeterminado si no se resuelve nada.
  • Si la entrega falla, el error se registra (categoría voicewake.forward) y la ejecución sigue siendo visible mediante los registros de WebChat/sesión.

​
Carga útil de reenvío

  • VoiceWakeForwarder.prefixedTranscript(_:) antepone una línea de indicación para la máquina (nombre de host resuelto, con alternativa a “este Mac”) antes de la transcripción, compartida entre las rutas de palabra de activación y pulsar para hablar.

​
Verificación rápida

  • Activa pulsar para hablar, mantén pulsada Option derecha, habla y suelta: la superposición debería mostrar parciales y luego enviar.
  • Mientras se mantiene pulsada, las orejas de la barra de menús deberían permanecer agrandadas (triggerVoiceEars(ttl: nil)); se reducen después de soltar.

​
Relacionado